Навчання > Інтелектуальний аналіз даних

Інтелектуальний аналіз даних

Тип: На вибір студента

Кафедра: обчислювальної математики

Навчальний план

СеместрКредитиЗвітність
65Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
632доцент Музичук Ю. А.ПМп-31, ПМп-32, ПМп-33

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
632ПМп-31доцент Музичук Ю. А., Борачок І. В.
ПМп-32доцент Музичук Ю. А., Борачок І. В.
ПМп-33доцент Музичук Ю. А., Борачок І. В.

Опис курсу

Курс «Інтелектуальний аналіз даних» охоплює три основні розділи: основи аналітики даних, статистичний аналіз та практичне програмування на Python. При розгляді цих тем основна увага зосереджується на практичних навичках роботи з даними, від їх збору та очищення до візуалізації та комунікації результатів. Особливу увагу приділено роботі з реальними джерелами даних (вебскрейпінг, API, бази даних) та їх попередній обробці. Курс завершується розділом про наративний аналіз даних (storytelling) та побудову інтерактивних інформаційних панелей (dashboard). Метою курсу є формування комплексних навичок аналітика даних, здатного ефективно працювати з реальними наборами даних та презентувати результати аналізу різним аудиторіям.

Рекомендована література

Основна література

  1. McKinney W. Python for Data Analysis. Data Wrangling with Pandas, NumPy, and Jupyter / Wes McKinney. – O’Reilly Media, 3rd Edition, 2022. – 552p.
  2. Bruce P. Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python / Peter Bruce, Andrew Bruce, Peter Gedeck. – O’Reilly Media, 2nd Edition, 2020. – 368p
  3. VanderPlas J. Python Data Science Handbook: Essential Tools for Working with Data / Jake VanderPlas. – O’Reilly Media, 2nd Edition, 2023. – 588
  4. Knaflic C. Storytelling with Data: A Data Visualization Guide for Business Professionals / Cole Nussbaumer Knaflic. – Wiley, 2015. – 288p.
  5. Berinato S. Good Charts: The HBR Guide to Making Smarter, More Persuasive Data Visualizations / Scott Berinato. – Harvard Business Review Press, 2016. – 26

Додаткова література

  1. Downey A. Think Stats: Exploratory Data Analysis / Allen Downey. – O’Reilly Media, 3rd Edition, 2025. – 321
  2. Mitchell R. Web Scraping with Python: Collecting More Data from the Modern Web / Ryan Mitchell. – O’Reilly Media, 2nd Edition, 2018. – 306p.
  3. Coursera: DeepLearning.AI Data Analytics Professional Certificate – https://www.coursera.org/professional-certificates/data-analytics
  4. Google Data Analytics Professional Certificate – https://www.coursera.org/professional-certificates/google-data-analytics
  5. Kaggle Learn: Python – https://www.kaggle.com/learn/python
  6. Towards Data Science blog – https://towardsdatascience.com
  7. Real Python tutorials – https://realpython.com
  8. Pandas documentation – https://pandas.pydata.org/docs/
  9. Beautiful Soup documentation – https://www.crummy.com/software/BeautifulSoup/bs4/doc/
  10. Matplotlib and Seaborn galleries – https://matplotlib.org/stable/gallery/, https://seaborn.pydata.org/examples/
  11. Storytelling with Data blog – https://www.storytellingwithdata.com/blog

Силабус:

Завантажити силабус